> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/in/agronomy/yield-and-trials/yield-calibration-and-cleaning.md).

# उपज डेटा की सफ़ाई और कैलिब्रेशन: उपज मैप से त्रुटियाँ हटाएँ

ज़ोन बनाने से पहले उपज मॉनिटर डेटा साफ़ करें: प्रवाह में देरी, पास की शुरुआत और अंत, मोड़, ओवरलैप, गति और नमी के असामान्य मान, और कई कंबाइन का कैलिब्रेशन।

कच्चे उपज मॉनिटर डेटा में प्रवाह की देरी, खेत के चक्कर की शुरुआत और अंत, यू-टर्न, ओवरलैप होते कंबाइन हेडर और अलग-अलग तरीके से कैलिब्रेट किए गए कंबाइन से त्रुटियाँ आ जाती हैं। ज़ोन बनाने या परीक्षण के नतीजों का आकलन करने से पहले इसे साफ़ करें, वरना नक्शे में खेत के बजाय मशीन का असर दिखेगा। GeoPard USDA की सफ़ाई प्रक्रिया अपने-आप लागू करता है, आपको फ़िल्टर मैन्युअल रूप से सेट करने देता है और कई कंबाइन को एक ज्ञात कुल या औसत उपज के अनुसार कैलिब्रेट करता है।

{% hint style="info" %}
geopard.tech पर उपज डेटा की सफ़ाई वाला इंटरैक्टिव पेज देखें: [उपज डेटा की सफ़ाई](https://geopard.tech/yield-data/)
{% endhint %}

{% hint style="success" %}
पिछले सीज़न की उपज फ़ाइलें साफ़ करें: [मुफ़्त शुरू करें](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}

GeoPard का उपयोग करके **उपज डेटा साफ़ करें** और **उपज मॉनिटर डेटासेट कैलिब्रेट करें**. ज़ोन, प्रिस्क्रिप्शन और विश्लेषण के लिए भरोसेमंद उपज नक्शा पाएँ। यह वर्कफ़्लो असामान्य मानों, यू-टर्न, गायब विशेषताओं और कई हार्वेस्टर से मिले उपज डेटा को संभालता है। इसमें शामिल है **USDA उपज-सफ़ाई प्रक्रिया** और यह इन **Yield Editor के विकल्प वाले** वर्कफ़्लो का समर्थन करता है।

{% embed url="<https://youtu.be/Tk5lubolnHQ>" %}
उपज डेटा की सफ़ाई और कैलिब्रेशन का वीडियो ट्यूटोरियल। विकल्पों के बीच का अंतर समझाया गया है।
{% endembed %}

यह कैलिब्रेशन प्रक्रिया इन कामों में अहम है:

1. **डेटा में एकरूपता सुनिश्चित करना**: अक्सर कई हार्वेस्टर एक साथ या अलग-अलग दिनों में काम करते हैं। यह सुविधा सुनिश्चित करती है कि उनके डेटा आपस में मेल खाते हों।
2. **डेटा को समरूप बनाना**: उपज डेटा में भिन्नता हो सकती है; कैलिब्रेशन उसे सहज और एकसमान बनाता है, ताकि अवांछित उछाल या गिरावट न रहे।
3. **शोर हटाना**: अन्य डेटा की तरह, उपज डेटा में भी अप्रासंगिक जानकारी या 'शोर' हो सकता है। हम सुनिश्चित करते हैं कि इससे आपकी जानकारी धुंधली न हो।
4. **ज्यामितीय डेटा को सुव्यवस्थित करना**: यू-टर्न या असामान्य ज्यामितीय डेटा पैटर्न असल जानकारी को विकृत कर सकते हैं। कैलिब्रेशन इन्हें ठीक करने के लिए बनाया गया है, ताकि डेटा खेत की वास्तविक स्थिति को सही ढंग से दर्शाए।
5. **खेत की सीमा के अनुसार काटना**: हार्वेस्टर अक्सर पास के खेतों में भी काम करते हैं। विश्लेषण के सटीक नतीजों के लिए केवल निर्धारित सीमा के भीतर का डेटा शामिल करना ज़रूरी है।

{% hint style="info" %}
Yield Calibration इंटरफ़ेस, Yield Clean/Calibrate के लिए GeoPard API एंडपॉइंट का उपयोग करता है ([GeoPard API: Calibrate and Clean YieldDataset](https://docs.geopard.tech/geopard-tutorials/in/api/geopard-api-requests-overview/84.-mutation-calibrate-and-clean-yielddataset.md))। यह UI या API के ज़रिए `CALIBRATE` और `CLEAN` ऑपरेशन चलाता है।
{% endhint %}

## संक्षिप्त जानकारी

<table data-view="cards"><thead><tr><th></th><th></th><th></th><th data-hidden data-card-cover data-type="files"></th></tr></thead><tbody><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F1pcsMp9Kt7NyZF11YgVW%2F1.png?alt=media&amp;token=f8190619-71b8-4665-b0e0-c64c8e94b656" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FyFjisKTG8adFULlqqCjX%2F2.png?alt=media&amp;token=ea985793-14df-4e03-9051-35db1bad8f58" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FCNlWjqLLdhPE2rTVuaUA%2F3.png?alt=media&amp;token=459d6925-63c1-4680-aab7-3d920f41bcbf" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FTI9hUS0awcLL6KeOPkOo%2F4.png?alt=media&amp;token=ddf27706-7a35-4518-aab9-a3f5710fa5a8" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FEEhbN218ZlKPadWMnDDK%2F5.png?alt=media&amp;token=5125ee8a-7936-4560-8bf6-474beb2e1812" alt=""></td><td></td><td></td><td></td></tr><tr><td><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FdOppLSfGQCizUG2UOWwz%2F6.png?alt=media&amp;token=2af3a431-3dc3-414f-90b1-9d62d860837c" alt=""></td><td></td><td></td><td></td></tr></tbody></table>

{% file src="/files/6557be199f7c536cb1ad5a193bdf70b8574ff961" %}
उपज डेटा की सफ़ाई पर PDF पुस्तिका डाउनलोड करें
{% endfile %}

## वास्तविक उदाहरण

खेती में खराब हुए उपज डेटासेट बड़ी चुनौतियाँ पैदा कर सकते हैं। नीचे ऐसे वास्तविक उदाहरण दिए गए हैं जहाँ इस तरह के डेटासेट मिले। GeoPard के उन्नत कैलिब्रेशन और सफ़ाई एल्गोरिदम से इन डेटासेट को प्रभावी रूप से सुधारा और बेहतर बनाया गया।

{% hint style="info" %}
जहाँ उपज डेटा दर्ज नहीं हुआ है, उन क्षेत्रों को भरकर उपज नक्शा पूरा करने के लिए GeoPard की सिंथेटिक उपज नक्शा विधि अपनाने पर विचार करें। यह तरीका उपज का पूरा विश्लेषण करने के लिए गायब डेटा बहाल करता है। और जानें [यहाँ](https://docs.geopard.tech/geopard-tutorials/in/agronomy/yield-and-trials/synthetic-yield-map.md).
{% endhint %}

### कई हार्वेस्टर का साथ में काम करना

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxLYRsV8pZbnffA7HacMw%2Fimage.png?alt=media&amp;token=735fe5c7-7355-4011-b550-366bba97acc2" alt=""><figcaption><p>उदाहरण 1: कई हार्वेस्टर का साथ में काम करना</p></figcaption></figure>

{% hint style="info" %}
जटिल परिस्थितियों में सर्वोत्तम सटीकता के लिए दो चरणों वाली कैलिब्रेशन प्रक्रिया की सलाह दी जाती है। पहले Machine ID विशेषता का उपयोग करके शुरुआती कैलिब्रेशन चलाएँ। इसके बाद Simulated (Synthetic) Machine Paths चेकबॉक्स का उपयोग करते हुए कैलिब्रेशन का दूसरा चरण चलाएँ। यह चरणबद्ध तरीका पूरी और सटीक कैलिब्रेशन सुनिश्चित करता है, जो जटिल मामलों को प्रभावी ढंग से संभालने के लिए ज़रूरी है।
{% endhint %}

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fzp5sfPBeqgxwmAFvaOCg%2Fimage.png?alt=media&amp;token=7d873554-17e2-4871-8389-b08dbd2f9d46" alt=""><figcaption><p>उदाहरण 2: कई हार्वेस्टर का साथ में काम करना</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjgsxP8o0vdwvoEfsVjDO%2Fimage.png?alt=media&amp;token=4505bb89-582d-4819-86a7-7b2764346f4b" alt=""><figcaption><p>उदाहरण 3: कई हार्वेस्टर का साथ में काम करना</p></figcaption></figure>

### जे-मोड़, रुकना, उपकरण की आधी चौड़ाई का उपयोग

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FeCz6aOPR1yAqoQ09dHU6%2Fimage.png?alt=media&amp;token=6d404a9e-cdd2-4387-9ba0-da74a90233b1" alt=""><figcaption><p>उदाहरण 1: यू-टर्न, रुकना, उपकरण की आधी चौड़ाई का उपयोग</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRce8VNyPVrknT8nv5S70%2Fimage.png?alt=media&amp;token=fee2ecf8-35de-4777-b189-ac47eb234f31" alt=""><figcaption><p>उदाहरण 2: यू-टर्न, रुकना, उपकरण की आधी चौड़ाई का उपयोग</p></figcaption></figure>

### दर्ज किए गए असामान्य रूप से बड़े मान

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FzmazzTOpZUuGoGUpER3X%2Fimage.png?alt=media&amp;token=589f8406-b872-475b-aadf-fe98033be293" alt=""><figcaption><p>उदाहरण 1: दर्ज किए गए असामान्य रूप से बड़े मान</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKBxJivTWUD4d1TEkiejY%2Fimage.png?alt=media&amp;token=783769a5-3c50-4031-b2ce-7a255bccdf14" alt=""><figcaption><p>उदाहरण 2: दर्ज किए गए असामान्य रूप से बड़े मान</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfzS2hxfjzOLLloYECwGJ%2Fimage.png?alt=media&amp;token=227fce15-ae66-4377-988e-a01521b5be56" alt=""><figcaption><p>उदाहरण 3: दर्ज किए गए असामान्य रूप से बड़े मान</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FjXTlPKfGsFFgXNfbxo1p%2Fimage.png?alt=media&amp;token=35786ad7-59d3-4a7b-82b8-838dd8416894" alt=""><figcaption><p>उदाहरण 4: असामान्य रूप से बड़े लॉग किए गए मान</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FoLiETzE2JzYZGJkGnXea%2Fimage.png?alt=media&amp;token=a0fc2b5a-959a-43b7-bf07-e83a9289cd02" alt=""><figcaption><p>उदाहरण 5: असामान्य रूप से बड़े लॉग किए गए मान</p></figcaption></figure>

### खेत की सीमा से बाहर का डेटा

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FBw3W24ci7QPTsKLAUMSQ%2Fimage.png?alt=media&amp;token=fed50b20-15cf-4631-87b5-4cdd157edf83" alt=""><figcaption><p>उदाहरण: खेत की सीमाओं से बाहर का डेटा</p></figcaption></figure>

### दी गई औसत उपज के मान का उपयोग करके कैलिब्रेशन

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FfEKsgXvom18AclK5newr%2Fimage.png?alt=media&amp;token=36114655-9cbd-48e7-9b01-dbf4091478b3" alt=""><figcaption><p>उदाहरण: दी गई औसत उपज के मान (28 t/ha) का उपयोग करके कैलिब्रेशन</p></figcaption></figure>

### विसंगतियों वाले एट्रिब्यूट को नज़रअंदाज़ करके उपज के एट्रिब्यूट साफ़ करें

उपज डेटासेट में कभी-कभी नमी, गति, ऊँचाई या अन्य द्वितीयक (उपज से इतर) एट्रिब्यूट में अनियमितताएँ होती हैं। क्लीन या कैलिब्रेट गतिविधियाँ चलाते समय इन विसंगतियों को नज़रअंदाज़ करना ज़रूरी है। GeoPard Yield Clean-Calibrate इंटरफ़ेस का उपयोग करके यह काम आसानी से किया जा सकता है।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FxqB9uc6JCTsb5q6fuWrp%2Fimage.png?alt=media&amp;token=0f149cbe-8c5f-4604-9f64-ceb73a07b6eb" alt=""><figcaption><p>उदाहरण: नमी एट्रिब्यूट में विसंगतियाँ</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fpnh4ysSTZUGlzBfQBO13%2Fimage.png?alt=media&amp;token=ded245e3-9ae5-48ea-b2da-1400bcbfc3ba" alt=""><figcaption><p>उदाहरण: नमी में विसंगतियों को नज़रअंदाज़ करके उपज डेटा साफ़ करें</p></figcaption></figure>

### USDA उपज सफ़ाई प्रोटोकॉल

इस विकल्प का उपयोग तब करें, जब आपको एक **दोहराई जा सकने वाली, मानकों पर आधारित उपज-संपादन कार्यप्रणाली**चाहिए। इसे बड़े पैमाने पर **उपज मॉनिटर डेटा की सफ़ाई** के लिए अनुकूलित किया गया है।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>उदाहरण: USDA प्रोटोकॉल लागू करके उपज डेटा साफ़ करें</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FRjsfVEr1qOfaz3DflfGF%2Fimage.png?alt=media&amp;token=a2001258-09cd-44eb-9bca-3a0d54ac4bf1" alt=""><figcaption><p>उदाहरण: USDA प्रोटोकॉल लागू करके उपज डेटा साफ़ करें</p></figcaption></figure>

## कैलिब्रेशन की कार्यप्रणालियों की व्याख्या

### पथ-आधारित कैलिब्रेशन

**इस्तेमाल करें** **पथ-आधारित कैलिब्रेशन** जब किसी खेत की <mark style="background-color:green;">कटाई कई मशीनों से या कई दिनों में की गई हो—खास तौर पर धारियों या पट्टियों जैसे व्यवस्थित अंतर को ठीक करने के लिए।</mark> यह उन स्थितियों के लिए उपयुक्त है जहाँ मशीन की सेटिंग, ऑपरेटर या पर्यावरण की परिस्थितियों में अंतर के कारण अलग-अलग पथों में लगातार अधिक या कम उपज दर्ज होती है।

महत्वपूर्ण बात यह है कि <mark style="background-color:yellow;">AI को प्रभावी ढंग से सीखने और कैलिब्रेट करने के लिए अलग-अलग पथ, मशीन आईडी या कटाई की तारीखों जैसी विविधता चाहिए।</mark>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FqeSVFK4x29AdDhMKdNt9%2FScreenshot%202026-01-19%20at%2015.09.43.png?alt=media&amp;token=abedd883-4894-4e19-817e-078e5866de25" alt=""><figcaption><p>उदाहरण: उपज का WetMass और 9 हार्वेस्टर</p></figcaption></figure>

**इस्तेमाल न करें** यह तरीका तब, जब एक ही मशीन से एक निरंतर सत्र में कटाई की गई हो, या उपज मानचित्र में स्पष्ट स्थानिक पैटर्न न दिखते हों। साथ ही, डेटा विरल हो या आपके पास मशीन-स्तर के अंतर के बजाय केवल खेत-स्तर की कुल उपज के मान हों, तो भी इस तरीके से बचें।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>उदाहरण: सांख्यिकीय रूप से सही डेटा वितरण</p></figcaption></figure>

### औसत या कुल के आधार पर कैलिब्रेशन

**औसत/कुल के आधार पर कैलिब्रेशन सबसे उपयुक्त है** तब, <mark style="background-color:green;">जब आपको खेत-स्तर की कुल उपज के डेटा पर पूरा भरोसा हो, जैसे कि तौल-काँटे या भंडारण केंद्र के रिकॉर्ड पर।</mark> अलग-अलग पथों को समायोजित करने के बजाय, यह तरीका पूरे डेटासेट का पैमाना बदलता है, ताकि अंतिम औसत या कुल आपके ज्ञात संदर्भ मान से मेल खाए। जब कुल आँकड़ों पर भरोसा हो, तो इसे अक्सर सबसे सरल और सुरक्षित कैलिब्रेशन विकल्प माना जाता है।

औसत/कुल के आधार पर कैलिब्रेशन का **इस्तेमाल कब करें:**

* **ज्ञात संदर्भ मान**: इस कार्यप्रणाली का उपयोग तब करें, जब आपके पास कुल उपज के आधिकारिक रिकॉर्ड (जैसे तौल-काँटे से मिले रिकॉर्ड) या खेत की औसत उपज का अत्यधिक विश्वसनीय मान हो।
* **समग्र पक्षपात सुधार**: यह तरीका तब उपयुक्त है, जब उपज मानचित्र में स्थानिक वितरण सही दिखता हो, लेकिन मानों में पूरे खेत में एक जैसा बदलाव हो—यानी उपज मॉनिटर शायद कैलिब्रेट न किया गया हो और पूरे खेत में लगातार बहुत अधिक या बहुत कम मान दर्ज कर रहा हो।
* **एकसमान कटाई की परिस्थितियाँ**: यह तरीका तब सबसे प्रभावी होता है, जब पूरे काम के दौरान कटाई की परिस्थितियाँ लगभग एक जैसी रही हों।
* **एक ही मशीन से कटाई में एकरूपता**: यह एक ही मशीन से की गई कटाई के लिए अच्छी तरह काम करता है, बशर्ते मशीन ने पूरे खेत में एकसमान प्रदर्शन किया हो।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FaDRgi3zhqqbxRK5THJtB%2Fimage.png?alt=media&amp;token=c51381e5-48a7-4003-9009-9a524d6df15e" alt="" width="563"><figcaption><p>उदाहरण: औसत उपज का उपयोग करके आवश्यक बदलाव के साथ सांख्यिकीय रूप से सही डेटा वितरण</p></figcaption></figure>

औसत/कुल के आधार पर कैलिब्रेशन का इस्तेमाल **कब न करें:**

* **मशीनों के बीच पक्षपात**: इस तरीके का उपयोग न करें, यदि खेत के अलग-अलग हिस्सों की कटाई अलग-अलग मशीनों से या अलग-अलग दिनों में हुई हो और इससे स्थानीय स्तर पर पक्षपात पैदा हुआ हो। ऐसे मामलों में पूरे खेत का पैमाना बदलने से मशीनों के बीच के मूल अंतर ठीक नहीं होंगे।
* **दिखाई देने वाली कलाकृतियाँ**: अगर आपके डेटा में तेज़ धारियाँ, बैंडिंग या दिशात्मक विकृतियाँ दिखें, तो यह तरीका उन्हें ठीक नहीं करेगा; <mark style="background-color:green;">इन समस्याओं के लिए पाथवाइज़ कैलिब्रेशन अधिक उपयुक्त है</mark>.
* **अधूरा डेटा**: अगर खेत के केवल कुछ हिस्से की कटाई हुई हो या रिकॉर्ड किया गया डेटा अधूरा हो, तो इस तर्क का उपयोग न करें, क्योंकि कुल/औसत मान भ्रामक होंगे।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDnl5nlyf57I8VGxhKDDC%2Fimage.png?alt=media&amp;token=997fbab6-1d6f-40db-99cc-b2c1e7035953" alt="" width="563"><figcaption><p>उदाहरण: अंतराल वाला उपज डेटा</p></figcaption></figure>

### सशर्त कैलिब्रेशन

**सशर्त कैलिब्रेशन** एक <mark style="background-color:green;">सुरक्षा नियंत्रण के रूप में काम करता है, जो यह सुनिश्चित करता है कि उपज के मान पहले से तय की गई यथार्थवादी न्यूनतम और अधिकतम सीमाओं के भीतर रहें</mark>.

आपको **ज़रूर इस्तेमाल करना चाहिए** इस तर्क का उपयोग करके<mark style="background-color:green;">शोर, मशीन रुकने या मोड़ लेने के कारण बने अत्यधिक अपवाद मानों और सेंसर की अचानक बढ़ी हुई रीडिंग को हटाएँ</mark>। यह बिना कोई सुधार किए, खास कृषि-संबंधी अपेक्षाएँ लागू करने के लिए आदर्श है—जैसे "उपज X से अधिक नहीं हो सकती"।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FMwk1SC9K5O2dqvtfZM9c%2Fimage.png?alt=media&amp;token=b9f3a911-159e-4df1-a320-ac8da71d9ac0" alt=""><figcaption></figcaption></figure>

हालाँकि, **इस तरीके से बचें** अगर आपके डेटासेट में समग्र पूर्वाग्रह या मशीनों के बीच व्यवस्थित अंतर हों, क्योंकि यह डेटा का पैमाना नहीं बदलता और न ही स्थानिक पैटर्न ठीक करता है। मूलतः, यह मानों को यथार्थवादी सीमा में रखता है, लेकिन कैलिब्रेशन के मूलभूत अंतर को ठीक नहीं करता।

## उपयोग की रणनीति

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQDPQ6VaHn8G0Bp7yGFks%2Fimage.png?alt=media&amp;token=e209de37-60c1-4453-8e32-3cb96d0c0a3d" alt=""><figcaption><p>उपज कैलिब्रेशन मार्गदर्शिका—एक-पृष्ठीय दस्तावेज़</p></figcaption></figure>

{% file src="/files/e23dc36949fc137fe2ca95b9fb1f67cae2be1ef5" %}
उपज कैलिब्रेशन मार्गदर्शिका का एक-पृष्ठीय PDF डाउनलोड करें
{% endfile %}

## पहला चरण

"Yield Calibrate and Clean" मॉड्यूल सीधे यूज़र इंटरफ़ेस से शुरू किया जाता है। इसके लिए आपके पास अपलोड किया हुआ उपज डेटासेट होना चाहिए। हर उपज डेटासेट के पास, आपको डेटासेट में बदलाव शुरू करने के लिए एक बटन मिलेगा।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FPbjWmMvVPeDOoD66HpZz%2Fimage.png?alt=media&amp;token=30172001-7ba5-46b2-ad1d-a15397250498" alt=""><figcaption><p>प्रक्रिया शुरू करें</p></figcaption></figure>

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDT2d6mKzhRFyItdbuab0%2Fimage.png?alt=media&amp;token=39077a2c-9cd8-41c3-9354-ecf30316b20a" alt="" width="563"><figcaption><p>आगे बढ़ने के लिए कोई विकल्प चुनें</p></figcaption></figure>

इसके बाद, आगे बढ़ने के लिए कई विकल्प उपलब्ध हैं:

1. **स्वचालित प्रोसेसिंग**: एक-क्लिक कैलिब्रेशन के लिए GeoPard की सुझाई गई डिफ़ॉल्ट सेटिंग्स का उपयोग करें।
2. **केवल सफ़ाई**: केवल CLEAN ऑपरेशन को कॉन्फ़िगर करके चलाएँ, जिसमें शामिल हैं
   1. **GeoPard सफ़ाई**: AI एल्गोरिदम से उपज डेटासेट की स्मार्ट सफ़ाई।
   2. **USDA** (संयुक्त राज्य कृषि विभाग) की उपज सफ़ाई प्रक्रिया।
   3. **सशर्त सफ़ाई**: कस्टम विशेषता सीमाओं के आधार पर डेटा फ़िल्टर करें।
3. **केवल कैलिब्रेशन**: केवल CALIBRATE ऑपरेशन को कॉन्फ़िगर करके चलाएँ, जिसमें शामिल हैं
   1. **पाथवाइज़**: AI एल्गोरिदम का उपयोग करके मशीन के हर अलग-अलग मार्ग की उपज कैलिब्रेट करें।
   2. **औसत/कुल**: खेत की ज्ञात औसत या कुल उपज के आधार पर उपज समायोजित करें।
   3. **सशर्त**: अपेक्षित सीमाओं में बनाए रखने के लिए उपज को निर्धारित न्यूनतम और अधिकतम सीमाओं के भीतर बदलें।
4. **कैलिब्रेट करें और साफ़ करें**: ऑपरेशन का क्रम चुनें और पैरामीटर अपनी ज़रूरत के अनुसार सेट करें।
5. **Yield Editor का विकल्प**: इस्तेमाल करें **केवल सफ़ाई → USDA** (या **कैलिब्रेट और साफ़ करें**) ताकि मैन्युअल “Yield Editor” सफ़ाई वर्कफ़्लो से मेल खाया जा सके, लेकिन बड़े पैमाने पर। सत्यापन परीक्षणों में, USDA प्रोटोकॉल के अनुसार की गई सफ़ाई के परिणाम मैन्युअल Yield Editor के परिणामों से मेल खाते थे, जिनका **R² (R2) = 0.98** (लगभग एक जैसे परिणाम)।

## एक-बटन समाधान

{% hint style="warning" %}
**उपज डेटासेट में कभी-कभी स्वाभाविक रूप से मौजूद असामान्य मानों के लिए संकेत।**

यदि कोई **विशेषता** कैलिब्रेशन या सफ़ाई के लिए चुनी गई हो और अधिकांशतः **उसमें** **अधिकांश ज्यामितियों में शून्य मान हों**, तो इन ज्यामितियों को अंतिम उपज डेटासेट से बाहर रखा जाएगा।

डेटा की अखंडता सुनिश्चित करने के लिए, ऐसी विसंगतियों वाली विशेषताओं को कैलिब्रेट की जाने वाली विशेषताओं की सूची से बाहर रखा जाना चाहिए।
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/gzZZkXqKSAd1eaIKNqDB>" flowId="gzZZkXqKSAd1eaIKNqDB" %}

## पूरा मार्गदर्शन

{% hint style="warning" %}
**चुनें वर्कफ़्लो: डेटा की विसंगतियों के लिए संकेत**

यदि उपयोगकर्ता को डेटा में विसंगतियाँ दिखें, जैसे शून्य के बराबर या उसके आसपास के मान, या असामान्य रूप से बड़े मान (उदाहरण के लिए, औसत 10 और अधिकतम 8000), तो **सफ़ाई और कैलिब्रेशन** वर्कफ़्लो अपनाने की सलाह दी जाती है।

कैलिब्रेशन से पहले डेटा की सफ़ाई को प्राथमिकता देने से त्रुटियाँ, गुम मान और असंगतियाँ हट जाती हैं, जिससे डेटा की गुणवत्ता और सटीकता बेहतर होती है।
{% endhint %}

{% hint style="warning" %}
**चुनें वर्कफ़्लो: शुरुआत में त्रुटियों से मुक्त डेटा के लिए संकेत**

ऐसे डेटासेट के लिए जिनमें शुरुआत से कोई त्रुटि, अनुपलब्ध मान या असंगति न हो, और जिनमें कई हार्वेस्टरों के इस्तेमाल की जानकारी हो, इस वर्कफ़्लो पर विचार करें: **कैलिब्रेशन और सफ़ाई** वर्कफ़्लो।

कैलिब्रेशन के बाद डेटा साफ़ करने से डेटासेट को और बेहतर बनाया जा सकता है, क्योंकि इससे कैलिब्रेशन के दौरान बने संभावित आर्टिफ़ैक्ट हट सकते हैं।
{% endhint %}

{% hint style="warning" %}
**सफ़ाई वर्कफ़्लो: उपज डेटासेट में कभी-कभी स्वाभाविक रूप से मौजूद असामान्य मानों के लिए संकेत।**

यदि कोई **विशेषता** कैलिब्रेशन या सफ़ाई के लिए चुनी गई हो और अधिकांशतः उसमें **अधिकांश ज्यामितियों में शून्य मान हों**, तो इन ज्यामितियों को अंतिम उपज डेटासेट से बाहर रखा जाएगा।

डेटा की अखंडता सुनिश्चित करने के लिए, ऐसी विसंगतियों वाली विशेषताओं को साफ़ की जाने वाली विशेषताओं की सूची से बाहर रखा जाना चाहिए (2)।
{% endhint %}

{% hint style="warning" %}
**कैलिब्रेशन वर्कफ़्लो: उपज डेटासेट में कभी-कभी स्वाभाविक रूप से मौजूद असामान्य मानों के लिए संकेत।**

यदि कोई **विशेषता** कैलिब्रेशन या सफ़ाई के लिए चुनी गई हो और अधिकांशतः **उसमें** **अधिकांश ज्यामितियों में शून्य मान हों**, तो इन ज्यामितियों को अंतिम उपज डेटासेट से बाहर रखा जाएगा।

डेटा की अखंडता सुनिश्चित करने के लिए, ऐसी विसंगतियों वाली विशेषताओं को कैलिब्रेट की जाने वाली विशेषताओं की सूची से बाहर रखा जाना चाहिए (3)।
{% endhint %}

{% @arcade/embed url="<https://app.arcade.software/share/i8Q6uC04nIVjJLLOYELJ>" flowId="i8Q6uC04nIVjJLLOYELJ" %}

## एल्गोरिदम के संस्करण

पोस्ट-प्रोसेसिंग के बाद, परिणाम मूल डेटासेट के साथ दिखाए जाते हैं। उन्हें **"कैलिब्रेट"** और/या **"साफ़ करें"** लेबल और एल्गोरिदम के संस्करण से चिह्नित किया जाता है।

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F20oK9gntxkBPLitm5waW%2Fimage.png?alt=media&amp;token=dc4dc121-6e5e-41cf-8d72-515fe882663a" alt=""><figcaption><p>कैलिब्रेट और साफ़ करें निष्पादन का परिणाम (संस्करण 2)</p></figcaption></figure>

{% hint style="info" %}
से `version 3.0` Clean/Calibrate एल्गोरिदम के इस संस्करण से GeoPard में खेत की सीमा के अनुसार क्रॉप करने की सुविधा शामिल है। इससे केवल खेत की सीमा के भीतर की ज्यामितियाँ रखी जाती हैं और सांख्यिकीय वितरण बेहतर होता है।
{% endhint %}

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2Fxb2i3FdlM95fgeSj0fnk%2Fimage.png?alt=media&amp;token=85685f14-c00c-487f-abc6-5ebc968f5662" alt=""><figcaption><p>ऑटो-प्रोसेसिंग निष्पादन का परिणाम (संस्करण 3.0)</p></figcaption></figure>

{% hint style="info" %}
से शुरू होकर `version 4.0`, GeoPard का Clean/Calibrate एल्गोरिदम अब किसी भी विशेषता के औसत या कुल मानों के आधार पर कैलिब्रेशन की सुविधा देता है। इस सुधार का एक आम उपयोग WetMass का कैलिब्रेशन है, जिसे अब किसी खास खेत की ज्ञात मापी गई औसत उपज के अनुसार समायोजित किया जा सकता है।
{% endhint %}

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FT9dEFqOcfWfcbtTQhSrX%2Fimage.png?alt=media&amp;token=e6e24dbc-3132-44aa-bf71-439d447b7ec5" alt=""><figcaption><p>6 t/ha की औसत उपज का उपयोग करके किए गए कैलिब्रेशन का परिणाम (संस्करण 4.0)</p></figcaption></figure>

{% hint style="info" %}
से `version 5.0` Clean/Calibrate एल्गोरिदम के इस संस्करण से GeoPard में उपज के लिए USDA (संयुक्त राज्य कृषि विभाग) सफ़ाई प्रोटोकॉल शामिल है। USDA कृषि डेटा के औपचारिक मानक निर्धारित करता है, जो मशीन और खेत के अनुरूप कृषि डेटासेट तैयार करने के लिए उपज, नमी, प्रवाह और स्थानिक मापों के सामान्यीकरण, सत्यापन और सांख्यिकीय फ़िल्टरिंग को नियंत्रित करते हैं।
{% endhint %}

<figure><img src="https://537187778-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FhM4KqHPBIQqUWQ6nvoi1%2Fimage.png?alt=media&amp;token=b2447749-21b2-49b2-a160-bb9e50ff7e2e" alt=""><figcaption><p>USDA प्रोटोकॉल का उपयोग करके की गई सफ़ाई का परिणाम (संस्करण 5.0)</p></figcaption></figure>

{% hint style="success" %}
पिछले सीज़न की उपज फ़ाइलें साफ़ करें: [मुफ़्त शुरू करें](https://app.geopard.tech/auth/sign-up?utm_source=docs\&utm_medium=cta\&utm_campaign=yield-calibration-and-cleaning)
{% endhint %}


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/in/agronomy/yield-and-trials/yield-calibration-and-cleaning.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.
